大模型开源项目:Ollama让你的电脑也可以轻松运行大模型

win11本地部署 DeepSeek-R1 大模型!免费开源,媲美OpenAI-o1能力,断网也能用 是否安装成功,然后直接运行部署deepseek-r1的命令。,出现下面界面即为安装成功。在cmd窗口中先输入。 阅读详情

从OPEN AI推出大模型已经过去一年多了,想必大家已经感受到了AI对我们的影响。大型模型极具用途,其提升的准确性和处理更复杂任务的能力都令人赞叹。然而,本地运行这些模型却一直是一项艰巨的任务。运行这些模型需要大量的计算资源,而且数据存储需求往往超过了一般个人设备所能提供的。

此外,设置、配置和维护这些模型的过程可能复杂且耗时。同样,解决兼容性问题,排错和调试也会让用户在利用这些模型进行他们的研究或项目时望而却步。 虽然很早就有了开源大模型,我也一直跃跃欲试,但是苦于没有英伟达的显卡,所以一直没能本地运行。

前排提示,文末有大模型AGI-优快云独家资料包哦!

但现在,有了一个解决方案 - 一项名为Ollama的开源项目。Ollama简化了实现大型模型的过程。借助Ollama,曾经令人畏惧的本地运行这些模型的任务变得轻而易举。它精简了整个过程,消除了与这些大型模型相关的设置和维护的复杂性。关键是不需要显卡,只使用CPU就可以运行。因此,有了Ollama,无论用户的技术栈或资源如何,大型模型的力量现在都已触手可及。

获取Ollama

Ollama下载地址,推荐第一个,一般都能下载。 ollama.com/download 如果你像研究源码,到下面的地址,部分人无法访问。 github.com/ollama/olla…

安装使用

下载window版安装后运行就可以打开命令行。

输入以下命令

arduino
ollama run llama2

后就开始下载llama2模型,3.8G。 下载完成后就自动运行大模型了,你可以直接在命令行和它对话。

我的使用记录如下。

llama2模型使用日志

less

Welcome to Ollama!

Run your first model:

        ollama run llama2

(base) PS C:\Windows\System32> ollama run llama2
pulling manifest
pulling 8934d96d3f08... 100% ▕████████████████████████████████████████████████████████▏ 3.8 GB
pulling 8c17c2ebb0ea... 100% ▕████████████████████████████████████████████████████████▏ 7.0 KB
pulling 7c23fb36d801... 100% ▕████████████████████████████████████████████████████████▏ 4.8 KB
pulling 2e0493f67d0c... 100% ▕████████████████████████████████████████████████████████▏   59 B
pulling fa304d675061... 100% ▕████████████████████████████████████████████████████████▏   91 B
pulling 42ba7f8a01dd... 100% ▕████████████████████████████████████████████████████████▏  557 B
verifying sha256 digest
writing manifest
removing any unused layers
success
>>> /?
Available Commands:
  /set            Set session variables
  /show           Show model information
  /load <model>   Load a session or model
  /save <model>   Save your current session
  /bye            Exit
  /?, /help       Help for a command
  /? shortcuts    Help for keyboard shortcuts

Use """ to begin a multi-line message.

>>> who are you
I'm just an AI assistant trained by Meta AI, my primary function is to assist users with their inquiries and
provide information on a wide range of topics. I'm here to help answer any questions you may have, so feel free to
ask me anything! Is there something specific you would like to know or discuss?

>>> /show
Available Commands:
  /show info         Show details for this model
  /show license      Show model license
  /show modelfile    Show Modelfile for this model
  /show parameters   Show parameters for this model
  /show system       Show system message
  /show template     Show prompt template

切换模型

还有其他可用模型,可以在github页面查看。 所有模型列表看这里 ollama.com/library

例如,我使用下面命令运行gemma模型:

arduino
ollama run gemma

首次运行会先下载,模型,不过下载速度很快,几分钟。以后再运行就不用了。我的使用记录如下。

Gemma模型使用日志

sql
C:\Users\weiyo>ollama
Usage:
  ollama [flags]
  ollama [command]

Available Commands:
  serve       Start ollama
  create      Create a model from a Modelfile
  show        Show information for a model
  run         Run a model
  pull        Pull a model from a registry
  push        Push a model to a registry
  list        List models
  cp          Copy a model
  rm          Remove a model
  help        Help about any command

Flags:
  -h, --help      help for ollama
  -v, --version   Show version information

Use "ollama [command] --help" for more information about a command.

C:\Users\weiyo>ollama run gemma
pulling manifest
pulling 456402914e83... 100% ▕████████████████████████████████████████████████████████▏ 5.2 GB
pulling 097a36493f71... 100% ▕████████████████████████████████████████████████████████▏ 8.4 KB
pulling 109037bec39c... 100% ▕████████████████████████████████████████████████████████▏  136 B
pulling 22a838ceb7fb... 100% ▕████████████████████████████████████████████████████████▏   84 B
pulling a443857c4317... 100% ▕████████████████████████████████████████████████████████▏  483 B
verifying sha256 digest
writing manifest
removing any unused layers
success
>>> how are you
I am an AI language model, so I don't have feelings or emotions. However, I am here to help you with your queries
and provide you with information. Is there anything I can assist you with today?

其他注意事项

安装程序把ollama安装在用户文件夹。安装后以后只需要运行程序,就可以在命令行使用ollama命令,启动模型使用了。

输入 /help可以获取帮助。使用Ctrl+D可以退出当前模型对话。

ollama支持本地restful api调用,以后可以研究以下。 github.com/ollama/olla…

每次下载的模型会默认保存到用户文件夹下,例如:

makefile
C:\Users\用户文件夹.ollama\models\blobs

ollama是命令行使用的。

优快云独家福利

最后,感谢每一个认真阅读我文章的人,礼尚往来总是要有的,下面资料虽然不是什么很值钱的东西,如果你用得到的话可以直接拿走:

DeepSeek-R1 本地部署文档 在docker容器中使用ollama服务本地化部署deepseek-r1模型,运行在nvdia gpu上 阅读详情

相关推荐

Ollama:零代码部署大模型,轻松玩转AI

同局域网访问,检验是否可以,在另一台电脑浏览器中访问http://192.168.1.72:11434/,地址根据自己服务器地址更换。也可以在浏览器中输入如下地址http://127.0.0.1:11434/访问,出现如下内容说明安装成功。在[Service]标记下,添加如下内容,如下图所示(如果实在不理解什么涵义,直接添加下面内容就可以)重启ollama工具,在任务中找到ollama图标,然后右击鼠标右键,点击Quit Ollama。如果需要每次系统重启,ollama随机启动运行,在执行如下命令。

会编程的吕洞宾的博客 3958

docker拉取镜像时,报错:no matching manifest

1、环境 操作系统 windows 10 x64 docker版本 (Container类型是windows的) 2、执行pull报错 执行pull命令是报错:no matching manifest for unknown in the manifest list entries。如下图所示: 3、解决方案 首先保证开启。 设置Settings配置,如下图所示。 点击右下角托盘中的d...

向心行者 9679

在Windows端安装ollama运行大模型

Ollama 是一个工具和平台,旨在帮助用户轻松安装、配置和运行大语言模型。它提供了一种简便的方法来管理模型的下载、安装和环境配置,从而让用户能够专注于实际的应用开发和使用。

HYP_Coder的博客 1万+

deepseek-r1大模型探索笔记

最近我们中国出了一个deepseek大模型,对标甚至超越了外国的open AI等大模型。抱着要跟上科技潮流的想法,我在自己电脑的本地部署了一个deepseek。本文便是我的部署笔记和一些得出的结论。

cookiebread的博客 1359

linux 部署Ollama本地大模型

llama 是一个大模型的管理框架,其作用类似于 Docker:如果将每一个标准化的大模型视为“镜像”,那么 Ollama 就能够通过一行命令快速拉取并运行这些大模型。然而,Ollama 本身是基于命令行的服务,所以为了方便我们对大模型进行微调和使用,还需要引入 maxkb。maxkb 提供了一个 ChatBot 界面,它会把我们输入的结构化知识、转换成大模型可以理解的语言(即嵌入向量),从而实现有效的交互。

隔壁小红馆 2339

浅谈人工智能之Windows:基于ollama进行本地化大模型部署

Ollama是由Meta公司开源的一个命令行工具,旨在帮助开发者和研究者在本地计算机上轻松部署和运行大型语言模型。它支持多种知名模型,如Llama 3、Code Llama等,通过Docker容器化技术,用户无需关心复杂的环境配置,即可快速启动模型服务。通过Ollama,本地化部署大模型变得简单且高效。这不仅保障了数据的隐私安全,还提供了灵活的定制化选项和低成本的运行环境。无论是研究、开发还是个人学习,Ollama都是一个值得尝试的强大工具。

测试人,测试魂 3582

大模型开源项目:Ollama让你的电脑也可以轻松运行大模型(附教程)

本地运行这些模型却一直是一项艰巨的任务。运行这些模型需要大量的计算资源,而且数据存储需求往往超过了一般个人设备所能提供的。

2301_81888214的博客 1009

win10本地部署和运行Ollama加载大模型

这篇博客详细介绍了如何在本地部署和运行开源工具 **Ollama**,以便在个人设备上轻松使用大型语言模型(LLM)。文章首先阐述了 Ollama 的优势,如操作简单、跨平台支持、丰富的模型库和硬件加速能力。接着,介绍了在Windows 系统上的安装方法,并演示了如何通过 `ollama run deepseek` 等命令下载模型并进行交互对话。

Zhencode的博客 2038

大模型初学者指南:笔记本电脑上用 ollama 运行大模型!

我们进入正题,如何在笔记本跑大语言模型?

2301_79455190的博客 1514

移动云电脑轻松搭建DeepSeek本地大模型

在4Q8C16G GPU型云电脑中,7B模型回复过程中,CPU 占用24%左右,GPU 占用24%左右,内存使用4.6G左右。在2Q4C8G GPU型云电脑中,7B模型回复过程中,CPU 占用57%左右,内存使用4.7G左右。在16C32G CPU型云电脑中,7B模型回复过程中,CPU 占用55%左右,内存使用5G左右。在8C16G CPU型云电脑中,7B模型回复过程中,CPU 占用50%左右,内存使用5G左右。4、按照上述配置,你将创建一个你自己的workspace,你可以对工作区进行一些设置。

云擎未来 智信天下 7535

Vivado与VCS+Verdi联合仿真环境搭建全攻略

本文详细介绍了如何搭建Vivado与VCS+Verdi联合仿真环境,旨在解决Vivado Simulator在大型FPGA验证中速度慢、调试弱的问题。通过指导工具版本配对、环境变量设置、关键参数配置及Xilinx仿真库编译,帮助工程师高效整合Vivado的设计管理、VCS的高速仿真与Verdi的深度调试能力,从而显著提升验证效率。

weixin_29219189的博客 577

Ollama 本地运行大模型(LLM)完全指南

Ollama是一个专为在本地机器上便捷部署和运行大型语言模型(LLM)而设计的开源工具。它让用户无需深入了解复杂的底层技术,就能轻松地加载、运行和交互各种LLM模型。本地和服务器Ollama 最初是被设计为本地(主要是开发)运行LLM的工具,当然现在也可以在服务器(面向用户并发提供服务)上使用,并且兼容 OpenAI 接口,可以作为 OpenAI 的私有化部署方案。Ollama 的特点:• 本地部署:不依赖云端服务,用户可以在自己的设备上运行模型,保护数据隐私。

2401_85390073的博客 3万+

手把手教你用DLP4500投影仪玩转结构光3D扫描(附固件烧录与序列设置避坑指南)

本文详细解析了如何使用DLP4500投影仪搭建结构光3D扫描系统,涵盖硬件组装、固件烧录、图案生成与优化等全流程。重点解决了固件烧录失败、图像格式错误等常见问题,并提供了实用的避坑指南和进阶技巧,帮助读者快速掌握DLP4500在3D扫描中的应用。

weixin_42662293的博客 301

标配本地电脑+Ollama,轻松配置大模型(附教程)

标配本地电脑+Ollama,轻松配置大模型(附教程)

Y525698136的博客 1305

解析vCard 3.0:提取电子名片中的姓名

N:LastName;FirstName;;;END:VCARD和END:VCARD标记数据块的开始和结束。N字段存储结构化姓名(分号分隔)。FN字段为直接可读的显示名称。其他字段如TELEMAIL等保存联系信息。

qq_45797625的博客 2780

钢铁雄心4存档修改全攻略:从基础设置到高级玩法(附国家代码表)

本文详细解析《钢铁雄心4》存档修改技巧,从基础设置到高级玩法全覆盖。包括存档文件位置、格式转换、国家实力调整、国际关系修改等实用内容,并附赠国家代码表。掌握存档修改技能,解锁游戏全部潜力,实现精细参数控制,超越控制台指令的局限。

weixin_29233857的博客 1433

3步搞定Ollama模型优化:让普通电脑也能流畅运行大模型

还在为模型运行太慢而苦恼?想让你的Llama 3.2或Gemma模型在普通电脑上也能高效运行?今天我来手把手教你用Ollama的隐藏功能,轻松实现模型性能大提升! ## 为什么你的模型运行这么慢?常见问题诊断 很多新手在初次使用Ollama时都会遇到这样的困扰:明明选择了不错的模型,为什么响应速度还是这么慢?其实问题往往出在三个方面: **问题根源分析:** - 参数配置不当,导致模型无法发

gitblog_00031的博客 2333

基于STM32L4XX、HAL库的MMA8452QR1姿态传感器驱动程序设计

/ HAL库需要左移1位。#define MMA8452Q_I2C_ADDRESS 0x1D // SA0=1时的地址。* @param range: 量程(MMA8452Q_RANGE_2G/4G/8G)* @param haccel: MMA8452Q句柄。* @param haccel: MMA8452Q句柄。* @param haccel: MMA8452Q句柄。* @param haccel: MMA8452Q句柄。* @param haccel: MMA8452Q句柄。

zhusl6688的博客 771

用 Ollama 轻松玩转本地大模型

根据 ChatGPT 的使用经验,多数人都已知晓系统提示词的重要性。好的系统提示词能有效地将大模型定制成自己需要的状态。在 Ollama 中,有多种方法可以自定义系统提示词。首先,不少 Ollama 前端已提供系统提示词的配置入口,推荐直接利用其功能。此外,这些前端在底层往往是通过API"content": "以海盗的口吻简单作答。},"content": "天空为什么是蓝色的?],}'其中role为system的消息即为系统提示词。

南七小僧的学海无涯 2134

OpenCV实战之人脸美颜美型(八)——大眼(下)

我们需要将上述描述量化表达,以r代表上述变形区域的圆的半径,X表示原始图像像素到变形圆圆心的距离,Y表示像素变形后的其距离变形圆圆心的距离,则其形状大致如下图所示。如下图所示,我们可以规定处理区域为眼睛为圆心的一个圆形,从圆心区域开始图像会放大,但该放大的比例随着距离圆心的距离而变小,直至边缘区域的放大比例为0。不过在实际图像变形操作中我们要从目标图像映射到原图,因此我们需要将X/Y调换,让X表示变形后图像的像素距离变形圆中心的距离,Y表示原图像素距离变形圆中心的距离,则其形状如下图所示。

On my way 901

PyTorch视觉项目实战:从数据加载到模型部署

PyTorch视觉项目实战:从数据加载到模型部署 ,人工智能,计算机视觉,大模型,AI,随着深度学习在计算机视觉领域的飞速发展,PyTorch 凭借其简洁的代码风格、动态计算图特性以及强大的社区支持,成为众多开发者和研究人员的首选框架。从数据加载、模型构建与训练,到最终的模型部署,PyTorch 提供了一套完整且灵活的解决方案。本文将通过实际项目案例,详细阐述基于 PyTorch 的视觉项目全流程,结合丰富的代码示例和概念解析,帮助读者掌握从项目起步到落地的关键技术。

不踩坑,不知道坑有多深;不总结,踩过的坑白踩。 4万+

【大模型】使用Ollama+Open WebUI在本地轻松玩转大模型

使用Ollama可以轻松的接入各种大模型,Open WebUI可以在本地搭建一套类似chatGPT的界面,便于管理。通过Hugging Face可以找到符合你需求的大模型,然后安装在本地。后续再给大家推荐一些我用过的一些有趣的模型。

分享技术,记录思考和感悟 2117

PyTorch深度学习项目实战100例数据集

最近很多订阅了的用户私信咨询有些数据集下载不了以及一些文章中没有给出数据集链接,为了解决这个问题,专门开设了本篇文章,提供数据集下载链接,打包100例的所有数据集。本专栏适用人群:深度学习初学者,专栏将具体讲解如何快速搭建深度学习模型用自己的数据集实现深度学习小项目。 本专栏整理了《PyTorch深度学习项目实战100例》,内包含了各种不同的深度学习项目,包含项目原理以及源码,每一个项目实例都附带有完整的代码+数据集。

优快云 精品推荐 2万+
上一篇: 大模型量化是什么?
下一篇: AI私有化部署怎么做?企业AI大模型私有化部署解决方案来了
大模型应用场景
博客等级 码龄5年 7648粉丝 1350原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值